Finanční analýza: Využití datové vědy pro rozhodovací procesy

Abstract

Tato diplomová práce představuje modulární, automatizovaný rámec pro analýzu veřejně obchodovaných společností pomocí technik datové vědy. Systém implementovaný v jazyce Python integruje šest analytických modulů: analýzu finančních ukazatelů, technické indikátory, predikční modely, makroekonomickou analýzu, analýzu sentimentu zpravodajství a hodnocení fundamentálních dat. Případová studie společnosti CEZ group ukazuje schopnost nástroje poskytovat konzistentní a srozumitelné poznatky prostřednictvím vizuálních reportů a kvantitativních metrik. Rámec je navržen s ohledem na škálovatelnost a reprodukovatelnost, čímž snižuje potřebu ruční práce a podporuje kvalifikované rozhodování. Jsou také zohledněna omezení, jako jsou jazykové bariéry a závislost na externích API.

This thesis introduces a modular, automated framework for analyzing publicly traded companies using data science techniques. Implemented in Python, the system integrates six analytical modules: financial ratio analysis, technical indicators, forecasting models, macroeconomic analysis, news sentiment analysis, and fundamental data evaluation. A case study on CEZ group demonstrates the tool’s ability to deliver consistent, interpretable insights through visual reports and quantitative metrics. Designed for scalability and reproducibility, the framework reduces manual effort and supports informed decision-making. Limitations such as language constraints and reliance on third-party APIs are also acknowledged.